Emergencia y evolucin de ontologas basada en el modelo de los
Sistemas Complejos Adaptativos y Folksonomies.
Claudio Augusto Chaucca Umana
claudio.chaucca@gmail.com
Setiembre 2011
ABSTRACT
La investigacin presentada en este trabajo est relacionada con
la generacin automtica de ontologas mediante folksonomies y
procesos de emergencia y evolucin de ontologas basados en el
modelo de los Sistemas Complejos Adaptativos (CAS). La
estrategia mostrada en el presente trabajo intenta capturar los
conceptos que se van generando en las interacciones sociales
dentro de una comunidad web de un dominio de conocimiento
especfico. Los conceptos capturados se van formalizando
mediante el lenguaje OWL DL los cuales van alimentando una
base de ontologas. Los CAS permiten la emergencia y
evolucin de conocimientos dentro de esta base de ontologas,
conocimientos generalmente aceptados dentro de la comunidad
en un determinado momento y en un determinado contexto.
Palabras Claves
Web semntica, ontologas, OWL, Sistemas Complejos
Adaptativos, Folksonomies.
1. INTRODUCCION
Actualmente se requiere de intervencin humana para
interpretar la informacin relevante de un origen digital (texto,
imagen, audio y video), esta interpretacin es subjetiva debido
a que depende de la percepcin y el sentido comn de la
persona. Los agentes automticos no tienen el sentido comn
requerido para reconocer dicha informacin.
La idea detrs de la tecnologa semntica es la siguiente: los
agentes automticos interpretan el significado contextual de un
origen digital. Para lograr esa habilidad los algoritmos
necesitan de una ontologa. La ontologa es un mapa de
conceptos y significados entrelazados. La construccin
automtica de ontologas se ha convertido en uno de las
principales reas de investigacin dentro del mbito de la Web
Semntica. Esta rea de investigacin se le conoce como
Ontology Learning, el cual estudia los modelos o
metodologas que faciliten la construccin de ontologas
(semi)-automticamente [1].
Los Folksonomies o etiquetados sociales son una estrategia
que permiten eliminar la ambigedad de los conceptos
etiquetando los conceptos permitiendo su uniformizacin
dentro de una comunidad.
Una comunidad de agentes como un Sistema Complejo est
compuesta por varias partes interconectadas o entrelazadas
cuyos vnculos crean informacin adicional no visible antes
por el observador. Como resultado de las interacciones entre
los elementos de la comunidad, surgen propiedades nuevas
que no pueden explicarse a partir de las propiedades de los
elementos aislados. Dichas propiedades se denominan
propiedades emergentes.
Un Sistema Complejo Adaptativo (CAS) es un tipo especial
de sistema complejo; es complejo en el sentido de que es
diverso y conformado por mltiples elementos
interconectados; y adaptativo, porque tiene la capacidad de
cambiar y aprender de la experiencia.
2. TRABAJOS RELACIONADOS
Segn [2] actualmente hay dos grandes mtodos de
construccin de ontologas: Ontologas generadas mediante un
lenguaje de descripcin ontolgico con la ayuda de expertos
en un campo, y Ontologas generadas desde un proceso de
aprendizaje automtico a partir de datos y texto estructurado o
no estructurado. Una comparativa interesante de estos
mtodos es realizada por [3].
Dentro de los mtodos de construccin apoyados por expertos
de un campo podemos citar metodologas como Kactus [4],
MethOntology [5] y On-To-Knowledge [6]. Dentro de las
metodologas apoyado por expertos de manera cooperativa
podemos mencionar metodologas como CO4 [7] y NEON
[8]. Aseeri, A. y Wongthongtham, P. en [9] proponen el uso
de redes sociales de dominio especifico para mejorar la
comunicacin entre los diferentes participantes, esto producir
un ms eficiente y ms efectivo mtodo de comunicacin.
Los mtodos de generacin de ontologas desde un proceso de
aprendizaje automtico (Ontology Learning) estn muy
influenciados por tcnicas de procesamiento del lenguaje
natural desde fuentes textuales bien formados es decir texto
estructurado o semi estructurado.
3. MODELO BASADO EN SISTEMAS
COMPLEJOS ADAPTATIVOS (CAS)
Antes de continuar es importante resaltar que generalmente,
las ontologas implican un tipo de consenso dentro de una
comunidad, significa que ellos formalizan conceptos que son
generalmente aceptados dentro de esta comunidad [10].
3.1. Generacin de ontologas basada en
Folksonomies.
Folksonomies es una metodologa de recuperacin de
informacin consistente de un procedimiento colaborativo de
etiquetado, etiquetas que permiten dar significado y
categorizar contenido digital. Mika en [11] propone ver a los
Folksonomies como una estructura semntica emergente desde
las interacciones de las comunidades, el sugiere la
construccin de Folksonomies (ontologas ligeras) con la
interpretacin de la semntica de las etiquetas, para este
propsito Mika define los Folksonomies como una
relacin H ( F ) V , E donde V U T R y
E u, t , r (u, r, t ) F , donde R es el conjunto de Recursos, U
es el conjunto de Usuarios y T es el conjunto de Etiquetas. Es
decir la relacin V define la relacin entre los conceptos de un
determinado dominio y la relacin E define la relacin de los
objetos concretos dentro de los conceptos definidos en V .
Los Folksonomies u ontologas ligeras generadas por los
usuarios estn adquiriendo popularidad en la web impulsada
por el potencial de las redes sociales para la generacin de
conocimiento. La gran cantidad de interacciones de los
usuarios de una comunidad proveen una potencial manera de
generar de forma automtica las ontologas necesarias para la
web semntica, sin embargo este posee grandes
inconvenientes relacionados a la consistencia de los
conceptos. Las etiquetas son generadas de forma libre por los
usuarios por lo tanto esta propenso a errores relacionados a
sinnimos (mltiples etiquetas expresan el mismo concepto),
homnimos (una etiqueta posee diferentes conceptos) y
polisemia (una etiqueta posee mltiples significados), los
cuales afectan la efectiva generacin de ontologas.
Una base de conocimiento est conformado por dos
componentes las Tbox (Terminological Box) y las Abox
(Assersion Box). Las Tbox contiene sentencias que describen
conceptos jerrquicos, es decir relaciones entre conceptos
mientras que una ABox contiene sentencias o hechos
indicando la pertenencia de los objetos dentro de la jerarqua
de conceptos y relaciones entre individuos. Las ontologas
estn construidas utilizando ambos componentes.
Figura 1: Structure of a system in Description Logic
Source: [12].
El modelo propuesto por este trabajo toma como base la
definicin dada por Mika, los conceptos de la relacin
V (Recursos, Usuarios y Etiquetas) son expresadas mediante
una ontologa generada de forma tradicional, es decir dicha
ontologa posee relaciones de conceptos existentes pasando a
formar parte de la TBox dentro de una Base de conocimiento,
la comunidad de usuarios solo puede hacer etiquetados en base
a las etiquetas definidas en la TBox con ello evitamos los
problemas generados por sinnimos, homnimos y polisemia,
garantizando de esa manera la consistencia de la informacin.
3.2. Sistemas Complejos Adaptativos (CAS)
Cada agente posee una percepcin particular de su entorno,
agentes de la misma comunidad pudieran tener percepciones
distintas de la realidad. A cada percepcin particular de la
realidad se llama realidad subjetiva [13].
La interaccin entre los agentes dentro de la comunidad
provoca lo que se llama realidad emergente [14]. Las
realidades emergentes determinan la ontologa de una
comunidad y esta ontologa es un esquema conceptual
exhaustivo y riguroso que facilita la comunicacin e
interaccin entre diferentes entidades.
La semntica o significado de un determinado concepto dentro
de una comunidad no solo depende del lenguaje comn
establecido, sino que adems depende de la percepcin del
concepto por los diferentes agentes de esa comunidad, en un
lugar y un tiempo particular y esta semntica ir cambiando de
acuerdo a los cambios que ocurren dentro de la comunidad.
Segn J. Holland en [15] Un CAS es una red dinmica de
muchos agentes actuando en paralelo, constantemente y
reaccionando a lo que otros agentes estn haciendo. Con un
proceso de control altamente disperso y descentralizado.
Un CAS puede ser definido como compuesto por una gran
cantidad de elementos interactuantes, capaces de intercambiar
informacin entre ellos y el entorno, y de adaptar sus
estructuras internas como consecuencia de tales interacciones.
Una caracterstica propia de sistemas de este tipo es la
existencia de interacciones no lineales entre sus componentes,
que son las responsables de producir comportamientos
emergentes en los que el todo es ms que la simple suma de
las partes. Vistos en forma agregada, estos comportamientos
no pueden ser atribuibles a la accin aislada de cada elemento
por separado sino que son el resultado de su accin colectiva.
Los CAS se constituyen a partir de una gran cantidad de
elementos y, por ende existe un desorden estructural
intrnseco; las caractersticas aleatorias de las interacciones
pueden dar lugar a lo que se denomina como frustracin, que
genera configuraciones estables del sistema en las que no es
posible optimizar todas las interacciones simultneamente. La
aparicin de frustracin da lugar a la posibilidad de que
existan mltiples estados meta estables. Por lo tanto, a nivel
macroscpico los sistemas complejos puede exhibir tanto
diversidad como estabilidad: por un lado, puede haber
mltiples estados fundamentales (equilibrios mltiples), otras
veces el orden macroscpico resulta ser robusto frente a
cambios en la estructura interna del sistema.
El xito que ha tenido en la fsica el tratamiento de los
sistemas complejos a partir de este enfoque motiva a evocar
estas lneas de pensamiento para estudiar procesos sociales y
organizacionales.
Un sistema complejo, a pesar de comportarse en forma
robusta, est sometido a un proceso de continua adaptacin.
Por medio de este proceso los subsistemas van
progresivamente encontrando nichos en los cuales desarrollar
sus acciones. Ya que los niveles de organizacin son
mltiples, y nuevos nichos son creados es decir un sistema
complejo adaptativo opera lejos de un estado optimo (o a
tractor global puntual).
3.3. Emergencia y Evolucin de ontologas
basado en CAS.
El ambiente de interaccin de la comunidad de agentes que
permiten la evolucin de la ontologa est basado en las siete
caractersticas fundamentales de los CAS descrito en [15] y
[16] estas siete caractersticas consisten de 4 propiedades:
agregacin, no linealidad, diversidad y flujo, y de 3
mecanismos: rotulado (etiquetado), modelos internos y
bloques de construccin. El modelo propuesto en este trabajo
est basado en el modelo de los CAS propuesto por Holland.
La comunidad o Entorno donde interactan los agentes posee
una ontologa base inicial lo que ser conocido como
ontologa corporativa, cada agente dentro de la comunidad
posee una ontologa particular basada en la ontologa
corporativa conocidas como ontologas subjetivas. Las
ontologas, corporativa y subjetivas estn representadas
mediante el lenguaje OWL DL. Los recursos a compartir por
los agentes dentro de la comunidad son Proposiciones de su
ontologa, la ontologa corporativa y la ontologa subjetiva
estn basadas en la TBox definida en la seccin 3.1.
Los principales elementos de este modelo est conformado
por: Recursos, Etiquetas, Condiciones, Descriptores,
Reservorios, Agentes, Fuentes y el Entorno adems de un
proceso estocstico peridico para controlar las actividades de
los agentes y sus interacciones segn [17] y [18], las
operaciones soportadas por el modelo son: Intercambio de
recursos entre agentes y Reproduccin entre Agentes.
Dentro del Entorno se realizan ciclos de ejecucin en los
cuales los agentes interactan entre ellos para realizar
operaciones de intercambio de Proposiciones, operaciones de
cruzamiento donde se generan nuevos agentes. Adems se
realizan interacciones entre el agente y el Entorno que
permiten al agente absorber Proposiciones del Entorno o
disipar Proposiciones al Entorno. Los ciclos de ejecucin que
ocurren en el Entorno se pueden observar en la figura 2:
Entorno
Replenish Kill
Exchange Absorb
Mate Dissipate
Figura 2: Procedimientos realizados dentro de
los ciclos de ejecucin. (Elaboracin propia)
A continuacin de describen cada uno de los procedimientos
realizados dentro del ciclo de ejecucin:
3.3.1. Replenish.- Luego de la formalizacin de los
Proposiciones en OWL DL este hecho formalizado pasa a
formar parte de la ontologa del usuario.
3.3.2 Exchange.- Es el procedimiento de Intercambio de
Proposiciones entre los agentes. El Site elige potenciales
agentes basados en la evaluacin de las condiciones de
intercambio de cada agente, la condicin de intercambio
depende de la riqueza de Proposiciones contenidos en el Tbox
que cada agente posee. Durante el intercambio se realiza un
proceso de evaluacin de Proposiciones ABox a compartir los
cuales deben estar adecuadamente definidos en el TBox del
agente, con ello se garantiza la consistencia de la base de
conocimiento de cada agente.
3.3.3. Mate.- El procedimiento de cruzamiento de agentes
permite crear nuevos agentes con caractersticas particulares
garantizadas por los operadores de cruzamiento y mutacin
definidos en los CAS. El Entorno selecciona pares de agentes,
evala las condiciones de cruzamiento de cada agente. Una
vez seleccionados los agentes se crea un nuevo agente
heredando parte de los Proposiciones contenidos en el
reservorio de cada agente padre. Mediante un proceso
probabilstico se le aplica operaciones de mutacin.
En este modelo las operaciones de mutacin se traducen en un
reemplazo de Proposiciones TBox del nuevo agente con
Proposiciones Tbox contenidas dentro del reservorio de la
Entorno, garantizando la variabilidad de los agentes en cada
generacin.
3.3.4. Absorb.- Cada agente realiza la absorcin de
Proposiciones desde el repositorio del Entorno (Aprendizaje),
la cantidad de Proposiciones a absorber depende de las
caractersticas de los Proposiciones Tbox contenidos en la
base de conocimiento de cada agente. Esta caracterstica le
permite al agente absorber nuevos Proposiciones, nuevo
conocimiento.
3.3.5. Dissipate.- El Site absorbe los Proposiciones de los
agentes. La cantidad de Proposiciones a absorver depende de
las caractersticas de los Proposiciones Tbox contenidos en el
reservorio del Site. Esta caracterstica le permite al agente
compartir su conocimiento con la comunidad incrementando
la probabilidad de intercambio y cruzamiento con otros
agentes.
3.3.6. Kill.- El Site realiza una purga de los agentes cuyas
capacidades de reproduccin son menores a la definida
(parmetro definido en la clase World), es decir poseen
Proposiciones no comprendidos por los Tbox de los dems
agentes por lo tanto estos Proposiciones no son
intercambiables con otros agentes.
3.4. Descripcin del Modelo propuesto.
El modelo propuesto en este trabajo crea una
conceptualizacin inicial los TBox del dominio de
conocimiento a partir del cual se crean los Tags que permitirn
Folksonomies, los hechos asociados Abox de la
conceptualizacin inicial sern alimentados por los usuarios
dentro de la comunidad web, los hechos una vez formalizados
asociados ingresan a un modelo basado en CAS que permita la
emergencia y evolucin de ontologas generalmente aceptadas
por la comunidad.
La ontologa que determine la conceptualizacin inicial ser
diseada mediante algn mtodo de desarrollo de ontologas
tradicional, con el objetivo de proveer las etiquetas necesarias
y las relaciones entre estas que permitan describir de manera
adecuada el dominio del conocimiento.
Los usuarios realizan afirmaciones, descripciones o
valoraciones de algn concepto dentro del dominio de
conocimiento, a la que llamaremos Proposiciones, los cuales
deben estar adecuadamente etiquetados mediante los Y muestra los periodos de tiempo de la interaccin de los
Folksonomies que permitan formalizarlos en lenguaje formal agentes.
OWL DL. Adems los usuarios pueden realizar consultas o
bsquedas de informacin, con los etiquetados adecuadas
estas consultas llegan a formalizarse en consultas mediante el
lenguaje SPARQL.

Los Proposiciones alimentan la base de ontologas del Sistema

complejo adaptativo el cual mediante las operaciones descritas
en la seccin anterior, permitirn un procedimiento evolutivo
de una ontologa generalmente aceptada por la comunidad.
Las consultas realizadas sobre esta base de ontologas sern
prioritariamente inferidas por las ontologas de mayor
convergencia.

El agente inteligente de la figura 3 determina mediante las
etiquetas si el texto registrado por el usuario es una
proposicin o una consulta. El agente inteligente maneja la
indexacin de las ontologas y determina el proceso de
razonamiento a realizar.
Figura 4: Convergencia en una ontologa general en 50
periodos de vida (Elaboracin Propia)
La figura 5 muestra que los agentes poseen un conocimiento
compartido mayor en el transcurso del tiempo. La eje Z, fue
sacada intencionalmente de la figura anterior. Cada punto de
dato (X,Y) representa la incidencia de conceptos durante los
50 periodos de vida. Incidencia que se refleja en el grado de
conocimientos compartidos y aceptados por los agentes.

Request Microbloging
Interfaz usuario Tag
Resp.

Ontology TBox

< OWL-DL >

Indexador
Figura 5: Convergencia de ontologas y por su nivel de
Agente Razonador /
LUCENE Inteligente Validador
conocimientos compartidos (Elaboracin Propia)

4.2. Decidibilidad y Complecion

SCA Ontologia JENA PELLET computacional
SPARQL
evolutiva
La semntica de las formulas usadas en la Lgica Descriptiva
se define estableciendo su equivalencia con expresiones en
Repositorio
Lgica de Predicados de Primer Orden para los cuales se
OWL DL pueden definir diferentes tcnicas de razonamiento y
comprobacin de teoremas.

Figura 3: Arquitectura del modelo propuesto.
(Elaboracin propia)
4. EVALUACION Y VALIDACION
4.1. Resultados de la simulacin
Esta seccin presenta los resultados preliminares de la
simulacin de este modelo sobre una ontologa de referencia
(http://www.owldl.com/ontologies/family.owl). Los cuales
fueron obtenidos durante los experimentos realizados para
observar el patrn emergente. La figura 4 ilustra la cantidad de
recursos adquiridos por cada tipo de agente, durante la
interaccin de intercambio en 50 periodos de vida, esta figura
ha sido generada en los puntos (X,Y,Z), donde Z es la
cantidad de agentes, X muestra la evolucin de la ontologa y
Puesto que la Lgica Descriptiva es un formalismo de
representacin del conocimiento, y como tal, se supone que
dar respuesta a las consultas de un usuario en un tiempo
razonable, es decir los procedimientos para DL deben terminar
siempre, esta caracterstica se le llama Complecin
computacional [19].
Un sistema deductivo completo puede demostrar cualquier
conclusin que est implicada por las premisas, es decir, tal
que:
(4.1)
0 C.
Pero qu ocurre si 0 C ?. Se define un problema de
decisin aqul que tiene dos respuestas posibles: SI o
NO. Cualquier problema puede reducirse a un conjunto de
problemas de decisin. Se dice que un problema de decisin
es decidible si existe un algoritmo (es decir, un procedimiento
que acabe en un tiempo finito) que lo resuelva [19].
Un sistema deductivo es decidible si ante la consulta 0
? termina en un tiempo finito respondiendo SI o NO .
Pero las cuestiones de complecin y decidibilidad se pueden
plantear en trminos ms generales: dados 0 y C,
La propiedad de la complecin es: si 0 C, entonces
existe algn algoritmo que demuestre C;
La propiedad de decidibilidad es: existe algn algoritmo
que responda SI en el caso de que 0 C y NO en el
caso de que 0 C.
Kurt Gdel demostr en 1930 el teorema de complecin para
la lgica de predicados de primer orden [12]. El teorema
establece que si un conjunto de sentencias
(4.2)
0 = {1,2,...n}
implica lgicamente una sentencia
(4.3)
C (0 C)
entonces existe una demostracin de C, es decir, una
secuencia finita, R, de aplicacin de reglas de inferencia que
conduce de 0 a C ({1,2,... n} RC).
Literalmente el teorema de complecin de Gdel establece:
"Para toda frmula A de la lgica cuantificacional de primer
orden, si A es lgicamente verdadera, entonces A es
deducible" [12].
Aplicando el teorema de Complecion y decidibilidad al
modelo propuesto, especficamente a la ontologa resultante es
posible demostrar su validez:
i. i C, donde i es un Proposicin de verdad que el
agente i posee al inicio de la interaccin (asignado
de forma esttica), cuya veracidad se determina en el
contexto de la ontologa general C.
ii. i es lgicamente verdadera: |i = i. por hiptesis
del teorema de complecin.
iii. Si i es lgicamente verdadera, entonces i es
insatisfacible.
iv. Si i es insatisfacible, entonces i es
inconsistente. Es la contraposicin del teorema de
Henkin
v. Si i es inconsistente, entonces da lugar a
contradiccin: i y i .
vi. Si i i , entonces |i.
vi se basa en el teorema de deduccin, que permite pasar de
A B y A B (4.4)
a [5] Fernndez, M., Gmez, A. y Juristo, N. 1997.
A B y A B (4.5)
Respectivamente, y en Modus Ponens (MP), que permite
eliminar los antecedentes de A se pasa A A mediante
C
una aplicacin de MP a la ley de doble negacin A A.
Aceptadas estas premisas, se les aplica reiteradamente el
procedimiento empezando por ii a todos los Proposiciones de
verdad i-1 que pertenecen a C, siguiendo con i, i+1, i+2, y
as sucesivamente, hasta liberar el consecuente de ( { 1,2,...
n} A ), que es justamente la tesis del teorema de Gdel
descrito en Peat [12].
Literalmente el proceso de validez indica: el conjunto de
Proposiciones que se agrupan para formar una ontologa
no alterara la decidibilidad ni la complecin del conjunto
siempre que se realicen construccin de conjuntos
validos. Donde construccin de conjuntos validos significa
que la agregacin de Proposiciones Abox se d si y solo si
existe Proposiciones Tbox dentro del conjunto que lo definen.
5. CONCLUSION
En general, los Sistemas Adaptativos Complejos (CAS) se han
usado para modelar sistemas orgnicos e inorgnicos que
presentan comportamientos de adaptabilidad y evolucin cuya
complejidad hacen difcil modelar mediante sistemas lineales
tradicionales. Las interacciones sociales y la complejidad
inherente durante la construccin de realidades emergentes,
poseen caractersticas y comportamientos similares a los CAS,
en este trabajo se ha realizado el modelado de las
interacciones sociales en base al modelo definido por los CAS
demostrando la convergencia de ontologas de forma
automtica.
Una de las limitaciones de la web semntica es la incapacidad
de poseer bases de conocimiento cuyas ontologas se generen
de forma automtica o semiautomtica a travs del tiempo,
esto solo podremos lograrlo si poseemos ontologas que
emergen y evolucionen por medio de las interaccin de
agentes que interactan sobre un dominio especifico. Por ello
es importante establecer las bases de una plataforma semntica
que permita recopilar y almacenar el conocimiento que se va
generando dentro de una comunidad, siendo esta la aportacin
de la tesis propuesta.
6. REFERENCIAS
[1] Freddo, A., Tacla, C. 2009 Integrating social web with
semantic web: ontology learning and ontology evolution
from FOLKSONOMIES. Universidade Tecnolgica
Federal do Paran, Curitiba, Paran, Brasil.
[2] Zhang, L. y LI, J. 2011. Automatic Generation of
Ontology Based on Database. Journal of Computational
Information Systems.
[3] Djedidi, R y Aufaure. M, 2010. Ontology Evolution:
State of the Art and Future Directions. Computer Science
Department, Suplec Campus de Gif, France.
[4] ESPRIT- KACTUS
http://hcs.science.uva.nl/projects/NewKACTUS/.
METHONTOLOGY: From Ontological Art Towards
 Ontological Engineering. Spring Symposium Series,
Marzo 1997, Stanford University, EEUU.
http://oa.upm.es/5484/

[6] Knowledge Management Group. Content-driven

Knowledge-Management through Evolving Ontologies.
http://www.aifb.kit.edu/web/On-To-Knowledge/en.

[7] EXMO-CO4. Troeps knowledge servers.

http://co4.inrialpes.fr

[8] NEON Project. http://www.neon-project.org.

[9] Aseeri, A. y Wongthongtham, P. 2011. Community-

driven ontology evolution based on lightweight social
networking in Oil and Gas Domain, Digital Ecosyst. &
Bus. Intell., Curtin Univ., Perth, WA, Australia

[10] Bicici, E.. 2007. Consensus Ontologies in Socially

Interacting MultiAgent Systems, Multiagent and Grid
Systems, Vol. 4, Nr. 3, 2008.

[11] Mika P. 2005. Flink: Semantic web technology for the

extraction and analysis of social networks. Journal of
Web Semantics, 2005.

[12] Calvanese, D.; De Giacomo, G. 2003. Description logics

for conceptual data modeling in UML. In: ESSLLI,
2003, Vienna.

[13] Eidelson, R.J., Cynwyd, B. 1997. Complex Adaptive

Systems in the Behavioral and Social Sciences,
Pennsylvania, 1,42-71

[14] Manucci, M. 2004. La incertidumbre como espacio de

intervencin en Comunicacin Corporativa. Universidad
del Salvador, La Plata.

[15] Holland, J.H. 1996. Hidden Order: How Adaptation

builds complexity.

[16] Plsek, P., Lindberg, C., Zimmerman, B. 1997. Some

Emerging Principles for Managing in Complex Adaptive
Systems. Plexus Institute

[17] Forrest, S., Jones, T. 1995. Modeling Complex

Adaptative Systems with Echo. Santa Fe Institute, USA.

[18] Harris, D. L. 2001. Echo Implemented: A Model for

Complex Adaptive Systems Computer Experimentation.
Sandia National Laboratories Albuquerque, New Mexico.

[19] Peat, F. D. 2002. Una demostracin del Teorema de

Incompletitud de Godel por George Boolos. Joseph
Henry Press, Washington.